公开(公告)号：CN112685272A

公开(公告)日：2021-04-20

申请号：CN202011590113.3

申请日：2020-12-29

Applicant: 中国科学院信息工程研究所

Inventor： 彭佳 ,  计畅 ,  李敏 ,  高能 ,  屠晨阳

IPC: G06F11/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种具备可解释性的用户行为异常检测方法，其步骤包括：1)使用特征提取模块收集目标网络中用户的特征信息；2)图矩阵模块根据各用户的特征信息构建邻接矩阵；其中所述图矩阵模块根据用户特征信息确定用户之间是否存在直接联系，根据用户之间的相似度确定用户之间的联系；3)利用邻接矩阵训练图神经网络，得到分类模型；4)利用图解释模块以设定优化目标函数对该分类模型进行训练，得到图掩膜M和特征选择器F；5)将一待检测用户的特征输入训练后的分类模型，得到分类结果，如果该用户为异常节点，则利用M从分类模型中得到该异常节点的关联节点、利用F得到分类模型各节点的特征中与异常节点最相关的关联特征。

公开(公告)号：CN112685272B

公开(公告)日：2022-10-14

申请号：CN202011590113.3

申请日：2020-12-29

Applicant: 中国科学院信息工程研究所

Inventor： 彭佳 ,  计畅 ,  李敏 ,  高能 ,  屠晨阳

IPC: G06F11/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种具备可解释性的用户行为异常检测方法，其步骤包括：1)使用特征提取模块收集目标网络中用户的特征信息；2)图矩阵模块根据各用户的特征信息构建邻接矩阵；其中所述图矩阵模块根据用户特征信息确定用户之间是否存在直接联系，根据用户之间的相似度确定用户之间的联系；3)利用邻接矩阵训练图神经网络，得到分类模型；4)利用图解释模块以设定优化目标函数对该分类模型进行训练，得到图掩膜M和特征选择器F；5)将一待检测用户的特征输入训练后的分类模型，得到分类结果，如果该用户为异常节点，则利用M从分类模型中得到该异常节点的关联节点、利用F得到分类模型各节点的特征中与异常节点最相关的关联特征。